一種基于HMM和RBF網(wǎng)絡混合的語音識別算法研究.pdf

1、語音識別技術是一門涉及聲學、語音學、語言學、計算機科學、信號處理、人工智能等諸多學科的綜合性技術，目前已經(jīng)被應用在工業(yè)、軍事以及醫(yī)療等部門的指揮、產(chǎn)品檢驗以及數(shù)據(jù)錄入等人機有聲通信領域。長期以來一直是人們研究的熱點，但是現(xiàn)有準確率較高的語音識別系統(tǒng)仍存在著耗時、成本高、使用起來不方便等缺點。這些缺點都影響著語音識別的速度、硬件實現(xiàn)和推廣應用。 本文首先在隱馬爾可夫(HMM)模型和徑向基神經(jīng)網(wǎng)絡(RBF)具體內(nèi)容的基礎上，分析了它

2、們各自的優(yōu)點和不足之處，提出了基于CDHMM和RBF的漢語數(shù)字混合語音識別模型和基于RBF的狀態(tài)估計快速訓練算法。該模型在訓練階段用多個簡單RBF組成的神經(jīng)網(wǎng)絡組計算HMM狀態(tài)的觀測概率，識別階段用每個HMM的平均值矢量序列與待識語音進行線性粗匹配，選擇距離最小的HMM對待識語音規(guī)整，然后用神經(jīng)網(wǎng)絡通過不同的測度，對HMM模型輸出的不易區(qū)分識別結果進行精識別。 為了檢驗算法的有效性，在MATLAB6.5環(huán)境下對HMMNN混合模型